OpenCV 学习之路(2) -- 操作像素

　　本节内容：

• 访问像素值
• 用指针扫描图像
• 用迭代器扫描图像
• 编写高效的图像扫描循环
• 扫描图像并访问相邻像素
• 实现简单的图像运算
• 图像重映射

访问像素值

　　准备工作：

　　　　创建一个简单函数，用它在图像中加入椒盐噪声.

　　　　实现如下:

void salt(cv::Mat image, int n){
    int i, j;
    for(int k = ; k < n; k ++){
        i = std::rand()%image.cols;
        j = std::rand()%image.rows;     

        if(image.type() == CV_8UC1){ //灰度图
            image.at<uchar>(j,i) = ;
        }else {
            image.at<cv::Vec3b>(j,i)[] = ;
            image.at<cv::Vec3b>(j,i)[] = ;
            image.at<cv::Vec3b>(j,i)[] = ;
        }
    }
}

　　　　完整代码:

#include <cstdlib>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
void salt(cv::Mat image, int n){
    int i, j;
    for(int k = ; k < n; k ++){
        i = std::rand()%image.cols;
        j = std::rand()%image.rows;

        if(image.type() == CV_8UC1){ //灰度图
            image.at<uchar>(j,i) = ;
        }else {
            image.at<cv::Vec3b>(j,i)[] = ;
            image.at<cv::Vec3b>(j,i)[] = ;
            image.at<cv::Vec3b>(j,i)[] = ;
        }
    }
}

int main(){
    cv::Mat image = cv::imread("./data/rgb.png");
    salt(image,);
    cv::namedWindow("image");
    cv::imshow("Image", image);
    cv::waitKey();
    cv::imwrite("./data/output.png", image);
    return ;
}

　　　　效果如图:

用指针扫描图像

　　准备工作：

　　　　先完成一个简单任务：减少图像中的颜色数量。

　　　　原理：如果N是减少因子，那么对于像素的每一个频道，除以N(由于是整除，所以余数会丢失)。如果将结果再乘以N，那么结果将会小于原来的像素值。然后再加上N/2你将会获得两个相邻N倍数中间的那个数，然后你就得到了一个256/NX256/NX256/N颜色数的图像。下面是我们所写的函数，函数处理是in-place的,也就是说处理结果直接赋值给源图像，不占用额外的存储空间。

　　　　代码：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>

void colorReduce(cv::Mat image, int div){
    int nl = image.rows;
    int nc = image.cols * image.channels();

    for(int j = ; j < nl; j++){
        uchar* data = image.ptr<uchar>(j);
        for(int i = ; i < nc; i++){
            data[i] = data[i]/div*div + div/;
        }
    }
}

int main(){
    cv::Mat image = cv::imread("./data/beauty.jpg");
    colorReduce(image, );
    cv::namedWindow("Image");
    cv::imshow("Image",image);
    cv::waitKey();
    cv::imwrite("./data/output.jpg", image);
    return ;
}

　　　　补充：还可以使用为运算来计算data的值；　

　　　　　　　uchar mask = 0xFF<<n;             //例如：div = 16,则 mask = 0xF0

　　　　　　　*data &= mask;

　　　　　　　*data++ += div>>1; 

处理前：　　　　　　　　　　　　　　　　　　　　　　　　　　　  处理后：　　　　　　　　　　　　　　　　　

 

用迭代器扫描图像

　　准备工作：仍然使用上面减色程序。

　　　　　　　使用Mat_模板类内部定义的iterator类型 Mat_<cv::Vec3b>::iterator it;

　　修改后的减色程序如下：

void colorReduce(cv::Mat &image, int div){
    cv::Mat_<cv::Vec3b>::iterator it = image.begin<cv::Vec3b>();
    cv::Mat_<cv::Vec3b>::iterator itend = image.end<cv::Vec3b>();
    for( ; it != itend; ++it){
        (*it)[] = (*it)[]/div*div + div/;
        (*it)[] = (*it)[]/div*div + div/;
        (*it)[] = (*it)[]/div*div + div/;
    }
}

　　效果同上；

编写高效的图像扫描循环

　　

在前面的章节，我们已经提到过了不同的访问图像像素的方法。现在我们将比较一下这些不同方法的效率。因为代码的效率执行时间是我们必须要考虑的。但是代码效率最大化带来来的往往是减少了代码的可读性。所以只要适当的在核心地方增加代码的效率。

为了计算代码的执行时间，我们使用OpenCV中的cv::getTickCount()方法。这个方法给出从开机到现在的时钟周期数。因为我们想要的时间单位是毫秒，所以我们还要使用cv::getTickFrequency()方法。这个给出了每一秒的始终周期数。然后计算方法如下：

double duration;
duration = static_cast<double>(cv::getTickCount());
colorReduce(image); // the function to be tested
duration = static_cast<double>(cv::getTickCount())-duration;
duration /= cv::getTickFrequency(); // the elapsed time in ms  

最后得出的结果是：使用位计算得到的结果速度最快！

扫描图像并访问相邻像素

　　准备工作:

　　　　 这里使用一个锐化的处理函数. 如果从图像中减去拉普拉斯算子部分,图像的边缘就会放大,因而使图像更尖锐.

　　　　用以下的方法计算锐化的数值:  sharpened_pixel = 5 * current -left - right - up -down;

　　实现:

/********************************************************
    > File name:sharpen
    > author: yoyo
    > Source from:xiang gao
    > time:2016.7.18 Monday 17:22
    >
*************************************************************/

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>

using namespace std;

void sharpen(const cv::Mat &image, cv::Mat &result){
    //判断是否需要分配图像数据
    result.create(image.size(), image.type());
    int nchannels = image.channels(); //获取通道数

    //处理除第一与最后行的所有行
    for(int j = ; j < image.rows-; j++){
        const uchar* previous = image.ptr<const uchar>(j-);
        const uchar* current  = image.ptr<const uchar>(j);
        const uchar* next      = image.ptr<const uchar>(j+);
        uchar* output = result.ptr<uchar>(j);

        for(int i = nchannels; i < (image.cols - )*nchannels; i++){
            *output++ = cv::saturate_cast<uchar>(*current[i] - current[i-nchannels] - current[i+nchannels] -previous[i] -next[i]);
        }
    }
    result.row().setTo(cv::Scalar());
    result.row(result.rows-).setTo(cv::Scalar());
    result.col().setTo(cv::Scalar());
    result.col(result.cols-).setTo(cv::Scalar());
}

int main(int argc, char * argv[]){

    cv::Mat image = cv::imread("/home/yoyo/openCV/data/beauty.jpg");
    cv::Mat image1 = image;
    cv::imshow("image1", image1);
    sharpen(image1 ,image);
//    cv::namedWindow("image");
    cv::imshow("Image", image);
    cv::waitKey();
    cv::imwrite("/home/yoyo/openCV/data/sharpen.jpg", image);
    return ;
}

　　效果:

　　　　前:　　　　　　　　　　　　　　　　　　　　　　后:

　　                    

实现简单的图像运算

　　图像就是普通的矩阵,可以进行加减乘除运算,因此可以用多种不同的方式组合图像.

　　准备工作:两张相等大小的图像；

　　参考资料：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/core/adding_images/adding_images.html

　　代码：

#include <cv.h>
#include <highgui.h>
#include <iostream>

using namespace cv;

int main( int argc, char** argv )
{
 double alpha = 0.5; double beta; double input;

 Mat src1, src2, dst;

 /// Ask the user enter alpha
 std::cout<<" Simple Linear Blender "<<std::endl;
 std::cout<<"-----------------------"<<std::endl;
 std::cout<<"* Enter alpha [0-1]: ";
 std::cin>>input;

 /// We use the alpha provided by the user iff it is between 0 and 1
 if( alpha >=  && alpha <=  )
   { alpha = input; }

 /// Read image ( same size, same type )
 src1 = imread("../../images/LinuxLogo.jpg");
 src2 = imread("../../images/WindowsLogo.jpg");

 if( !src1.data ) { printf("Error loading src1 \n"); return -; }
 if( !src2.data ) { printf("Error loading src2 \n"); return -; }

 /// Create Windows
 namedWindow("Linear Blend", );

 beta = ( 1.0 - alpha );
 addWeighted( src1, alpha, src2, beta, 0.0, dst);

 imshow( "Linear Blend", dst );

 waitKey();
 return ;
}

图像重映射